En la actualidad el Deep Learning (DL) es uno de los métodos de aprendizaje de inteligencia artificial más importante y novedoso. Esta técnica es usada en diferentes ramas de la ciencia, siendo el enfoque de este artículo la geología, específicamente en petrografía, ya que mediante su aplicación es posible clasificar y estimar cuantitativa y cualitativamente la porosidad de una manera rápida y eficiente en gran cantidad de imágenes de muestras en sección delgada, a partir de la aplicación de modelos pre-entrenados y algoritmos supervisados. En este trabajo se realizó una recopilación bibliográfica sobre los diferentes modelos de DL propuestos por los autores Araya-Polo et. al. (2019), D. Duarte-Coronado et al. (2019), Krzysztof M.Graczyk et al. (2020) y Alqahtani, N et al. (2018) para la estimación de la porosidad y algunas otras propiedades en imágenes de sección delgada. Se comparó el rendimiento y el grado de precisión de cada modelo y se definió que el propuesto por Alqahtani, N et al. (2018) presentaba una mayor precisión en la determinación de la porosidad en las imágenes de las muestras, debido a que su porcentaje de error representa el 5%, siendo el mínimo en comparación a los otros métodos analizados.

  • Slendy Mantilla, Catherin Rico, Milene Sánchez.
  • slendymantilla1@gmail.com; catherin.rico.cardenas@gmail.com; deisymilenesanchez@gmail.com